測驗

學習和避免能力錯覺的最佳方法是測試自己。這將幫助你找到需要鞏固知識的地方。

Q1: 策略梯度相對於基於值的方法有哪些優勢？（多選）

Q2: 什麼是策略梯度定理？

解決方案

策略梯度定理是一個公式，它能幫助我們將目標函式重構為一個可微函式，且不涉及狀態分佈的微分。

Q3: 基於策略的方法和策略梯度方法有什麼區別？（多選）

Q4: 為什麼我們使用梯度上升而不是梯度下降來最佳化 J(θ)？

恭喜你完成了這個測驗🥳，如果你漏掉了一些內容，請花時間再讀一遍本章，以鞏固（😏）你的知識。

< > 在 GitHub 上更新